检验数据是否符合正态分布的假设是统计分析中常见的任务之一。在R语言中，我们可以使用多种方法来检验数据的正态性。本文将介绍几种常用的方法，并给出相应的R代码示例。

检验数据是否符合正态分布的假设是统计分析中常见的任务之一。在R语言中，我们可以使用多种方法来检验数据的正态性。本文将介绍几种常用的方法，并给出相应的R代码示例。

1. 观察直方图和正态概率图

首先，我们可以通过绘制数据的直方图和正态概率图来直观地检查数据是否近似服从正态分布。

# 生成示例数据
set.seed(123)
data <- rnorm(100)

# 绘制直方图
hist(data, breaks = 10, freq = FALSE, main = "Histogram")
lines(density(data), col = "blue", lwd = 2)

# 绘制正态概率图
qqnorm(data)
qqline(data, col = "blue", lwd = 2)

如果直方图呈现钟形曲线且正态概率图中的点大致位于一条直线上，那么数据可能服从正态分布。

2. Shapiro-Wilk检验

Shapiro-Wilk检验是一种常用的正态性检验方法。它的原假设是数据来自于一个正态分布。

# Shapiro-Wilk检验
shapiro.test(data)

如果p值大于显著性水平（如0.05），则我们无法拒绝原假设，即数据可能符合正态分布。否则，我们可以拒绝原假设，即数据不符合正态分布。